文档详情

基于IPSO-MPC的无人驾驶车辆纵向运动控制.pdf

发布:2023-09-13约3.7万字共8页下载文档
文本预览下载声明
第33卷 第1期 广西科技大学学报 Vol.33 No.1 2022年3月 JOURNALOFGUANGXIUNIVERSITYOFSCIENCEANDTECHNOLOGY Mar.2022 基于IPSO-MPC 的无人驾驶车辆纵向运动控制 1,3 *1,2,3 1,3 李广南 ,叶洪涛 ,罗文广 (1.广西科技大学 电气电子与计算机科学学院,广西 柳州 545616 ;2.广西自动检测技术与仪器重点实验室(桂林电子科 技大学),广西 桂林 541004;3.广西汽车零部件与整车技术重点实验室(广西科技大学),广西 柳州 545006) 摘 要:针对无人驾驶车辆纵向控制中的速度跟踪精度问题,提出一种基于改进的粒子群优化算法(improved particle swarm optimization ,IPSO )的模型预测控制方法。首先,在模型预测控制中将问题转换为二次规划问题, 使用粒子群算法进行求解,并通过分层纵向控制器,实现对速度的跟踪控制。为降低其陷入局部最优解的风险, 引入了随机权重策略和学习因子调整策略。其次,为了提高粒子寻优的速度,保存了上一时刻的最优粒子序列 作为下一时刻粒子的群体极值。最后,为了验证算法的有效性,通过Simulink/CarSim 建立了联合仿真平台,仿 真结果表明,该算法有效提高了车辆速度跟踪的控制精度,最大误差减小了0.274 7 km/h 。 关键词:无人驾驶车辆;模型预测控制;粒子群算法;纵向控制 中图分类号:TP273 ;U471.15 DOI :10.16375/45-1395/t.2022.01.014 0 引言 位分层控制器结构,在上位控制器中提出改进的 MPC 算法,下位控制器根据期望加速度求解发动 运动控制是无人驾驶车辆研究领域中的核心问 机节气门开度和制动压力。 题之一,车辆根据周围环境以及车辆状态信息向油 众多研究学者还将其他优化算法加入纵向运动 [1] 门、刹车以及转向系统等发出控制指令 。其中, 控制中。文献[5] 引入了一种带有混沌初始化的粒 纵向控制主要研究车辆的速度跟踪能力,控制车辆 子群优化算法(CPSO),将其应用到模型预测控制 按照预定的速度行走是实现车辆稳定跟踪期望轨迹 中,用于解决同时带有输入约束和状态约束的控 的关键。 制问题。文献[6]设计了基于PSO 算法的模型预测 模型预测控制(model predictive control ,MPC ) N N 控制器,通过粒子(MPC 中的参数 、 )和该粒 p c 具有预测模型、滚动优化和反馈校正等特点,适用 子所对应的适应值(控制系统的性能指标)建立联 于不易建立精确数学模型且存在约束条件的控 系,能够有效地对车辆轨迹进行跟踪。文献[7]通 制。文献[2]提出了一种模型预测控制(MPC )框架 过数值验证,证明使用一种改进的粒子群算法可以 的自动地面车辆速度跟踪的控制方法,结合简单的 降低计算迭代次数,减少MPC 计算成本。 纵向逆动力学模型和MPC 自适应调节,实现车辆 纵向控制可分为直接式和分层式2 种控制方 纵向速度的控制。文献[3]提出了一种分层控制架 式,为了便于研究控制系统,本文采用分层控制结 构下的智能电动汽车纵向跟车运动自适应模糊滑模 构。在上位控制器中,针对二次规划求解优化问题 控制方法,上位控制器由滑模控制器与自适应模糊 不够精确的问题,对基本粒子群算法进行改进, 控制器组成,下位控制器根据控制方式由纵向动力 由
显示全部
相似文档